图像目标识别是图像理解和计算机视觉领域的热点问题之一,在军用、商用、民用等诸多场合均有广泛的应用前景。而图像中目标物体的定位及图像特征的提取是计算机视觉中一项重要的工作,对后续的图像分析及图像处理有着重要的作用。在各种图像定位方法中,主动表观模型(Active Appearance Model,简称AAM)是一种准确而又高效的建模方法。这种建模方法在1998年由卡耐基梅隆大学的F.T.Cootes等人提出并被成功地运用于人脸特征点定位。由于具有扩展性好、处理速度快和特征点定位准确等优势,因此被视为人脸特征点定位方法中突出的代表,在人脸图像处理尤其是特征点定位方面得到了广泛的应用。本文介绍了AAM建模及拟合的过程,并针对AAM建模过程中的图像信息损失的现象,提出了相应的改进方法,最后将AAM应用于人脸姿态估计的工作中。首先,本文跟踪研究了AAM的拟合定位算法。该算法将AAM与反向组合的Lucas-Kanade算法相结合,一方面通过提前计算拟合中部分参量,进而减少了算法迭代过程中的计算量；另一方面,有效地利用AAM的建模能力和L-K算法的快速拟合,从而实现人脸特征点的定位与人脸的识别。通过实验可以发现,该算法可以对图像中的人脸进行比较精确的定位。其次,从保留图像信息的角度考虑,本文提出并验证了一种基于核方法的AAM拟合算法。该算法将模式识别中的核方法加入AAM建模过程,使得在对形状和纹理降维时,依然可以保留原有图像的高维信息。经过实验验证,基于核方法的AAM拟合算法可以更为精确地定位人脸。最后,本文提出将AAM应用于人脸姿态估计中,即基于AAM的岭回归姿态估计。由于考虑到在人脸姿态估计的过程中,最后实验结果的准确度会受到图像中光照,背景等干扰因素的影响,因此要对需要估计的目标图像进行预处理,即使用AAM对样本人脸图像进行归一化,消除一些与姿态无关的信息,例如一些人脸刚性的变换,从而提高人脸姿态估计的准确性。